GroMo：基于多视图图像的植物生长建模
计算机视觉与模式识别
2025-06-09 v2 机器学习
多媒体
摘要
理解植物生长动态对于农业和植物表型分析中的应用至关重要。我们提出了生长建模挑战赛，该挑战赛专为两项主要任务设计：(1) 植物年龄预测和 (2) 叶片计数估计，这两者对作物监测和精准农业都至关重要。针对此挑战赛，我们引入了 GroMo25，一个包含四种作物图像的数据集：萝卜、秋葵、小麦和芥菜。每种作物包含在不同日期（d1, d2, ..., dm）捕获的多个植物（p1, p2, ..., pn），并被划分为五个等级（L1, L2, L3, L4, L5）。每个植物从24个不同角度拍摄，图像之间间隔15度。参与者需要使用这些多视图图像对所有四种作物执行这两项任务。我们为 GroMo 挑战赛提出了一种多视图视觉 Transformer (MVVT) 模型，并在 GroMo25 上评估了各作物的性能。MVVT 在年龄预测上报告了 7.74 的平均 MAE，在叶片计数上报告了 5.52 的 MAE。GroMo 挑战赛旨在通过鼓励追踪和预测植物生长的创新方案来推进植物表型研究。GitHub 仓库公开于 https://github.com/mriglab/GroMo-Plant-Growth-Modeling-with-Multiview-Images。
引用
@article{arxiv.2503.06608,
title = {GroMo: Plant Growth Modeling with Multiview Images},
author = {Ruchi Bhatt and Shreya Bansal and Amanpreet Chander and Rupinder Kaur and Malya Singh and Mohan Kankanhalli and Abdulmotaleb El Saddik and Mukesh Kumar Saini},
journal= {arXiv preprint arXiv:2503.06608},
year = {2025}
}
备注
7 pages, 5 Figures, 3 Tables